如图 thispersondoesnotexist.com随机生成的一张照片，注意左下角

程序演示过程从 7分6秒 处开始，前面都是理论铺垫。

本篇论文探讨了人类的数量认知能力是先天具备的还是后天（借助语言）习得的。 作者：刘东台 、李小建

原作者为知乎用户 囧神

实验编号：28 实验日期：实验2年（公元2017年）8月18日——8月31日 编程语言：Java 实验报告下载：http://pan.baidu.com/s/1dF3ZxvV

一点关于机器学习的拙见，希望能帮助到大家。整理的一篇机器学习的路径，原贴发在知乎上，想到贴吧的朋友应该也有需要的，可以看看。二楼开始正文

实验编号：27 实验成功日期：2017.7.15 编程语言：Java 理论要点：模仿学习 相关纪录片：https://tieba.baidu.com/p/4760009643 意义及目的：在传统的符号主义人工智能理论里面，计算机的推理过程都是程序员预先写好的。本实验给大家介绍了一个新的思路：不预先为计算机编写太多的各种推理规则，让计算机通过各种案例，自己学会三段论推理。 实验报告下载：https://pan.baidu.com/s/1nvib6Fv 备注：本实验报告涉及一些逻辑学的知识，关于三段论的介绍在实验报告的

2004.Jeff hawkins.《on intelligence》. 2006-1.贺俊杰,李若子,杨倩.翻译：《人工智能的未来》.陕西科学技术出版社. 2009-06-13.Pallashadow.创建百度百科词条：《人工智能的未来》.http://baike.baidu.com/item/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD 2009-10-27.Pallashadow.百度贴题：记忆预测系统2.http://tieba.baidu.com/p/660691325 2010-01-16.Pallashadow.百度贴题：《on intelligence》.http://tieba.baidu.com/p/696936991 2010-05-17.Pallashadow.百度贴题：News From Numenta.http://tieba.baidu.com/p/773276188 2010-08-02.123.120.242.*.百度贴题

听说首页需要保留给度猫？

exe和源文件已经加进附件中。（打开源文件先安装gamemaker） 很早就做好了，但是后来进行了不少调整。声明一下，这个程序是对反射算法的模拟与实现，有一些点可能会和反射算法有不同，那是根据我的理解改编的。我不会讲反射算法理论，我这里是对这次实践的解释。要理论请自行搜索。 反射会作为最基础的记忆单位（每个反射链由两个神经元结合在一起）（原谅我，我在源文件里把反射这种对象名称写成了oNeuron，请忽略）储存了一个强度，当一

ORB-SLAM2 https://github.com/raulmur/ORB_SLAM2 是一个西班牙帅哥弄的 Raul Mur-Artal

强化学习系列文章，http://www.algorithmdog.com/ml/rl。感觉比较浅显易懂。 内容包括： 强化学习系列之六:策略梯度 强化学习系列之五:价值函数近似 强化学习系列之四:模型无关的策略学习 强化学习系列之三:模型无关的策略评价 强化学习系列之二:模型相关的强化学习 强化学习系列之一:马尔科夫决策过程

Distributed Algorithms for DCOP:A Graphical-Game-Based Approach Arthurs: Rajiv T. Maheswaran, Jonathan P. Pearce and Milind Tambe http://teamcore.usc.edu/papers/2004/MaheswaranPearce04PDCS.pdf http://teamcore.usc.edu/dcop/

据中科院计算技术研究所10日消息，2016年3月，中国科学院计算技术研究所陈云霁、陈天石课题组提出的深度学习处理器指令集DianNaoYu被计算机体系结构领域顶级国际会议ISCA2016（International Symposium on Computer Architecture）所接收，其评分排名所有近300篇投稿的第一名。论文第一作者为刘少礼。

1.异步DQ http://arxiv.org/pdf/1602.01783.pdf 2.CNN解决旋转物体问题 title: Exploiting Cyclic Symmetry in Convolutional Neural Networks paper: http://arxiv.org/pdf/1602.02660v1.pdf code: https://github.com/benanne/kaggle-ndsb

Multiagent Cooperation and Competition with DeepReinforcement Learning http://arxiv.org/pdf/1511.08779.pdf

https://github.com/shawntan/theano_toolkit 作者有心了

手把手教你组装一个自动写字机器人 http://www.robot-ai.org/forum.php?mod=viewthread&tid=112&amp 机器人和人工智能爱好者qq群：490432594，微信公众号：robot-ai

最近偶尔看看，学习+复习 Edinburgh的讲义 http://www.inf.ed.ac.uk/teaching/courses/rl/slides/ UNSW(The University of New South Wales, Australia)的讲义 http://www.cse.unsw.edu.au/~cs9417ml/RL1/introduction.html 这个就是关于Agent了： http://artint.info/html/ArtInt.html#cicontents 本吧相关帖子： 【翻译】强化学习-scholarpedia http://tieba.baidu.com/p/2319629108 用DL+RL套用所有问题？ http://tieba.baidu.com/p/2422988291 强化学习教科书 http://tieba.baidu.com/p/2329051621 公开课资源(28L) http://tieba.baidu.com/p/1762569565 欢迎补充

http://www.robots.ox.ac.uk/~mobile/Papers/2015ISMAR_ondruska.pdf

http://read.douban.com/reader/ebook/10152414/ 转自微博帐号：非言语

来自： http://dataunion.org/8386.html MIT一牛人对数学在机器学习中的作用给的评述，写得很实际 机器学习和计算机视觉都是很多种数学的交汇场。看着不同的理论体系的交汇，对于一个researcher来说，往往是非常exciting的enjoyable的事情。不过，这也代表着要充分了解这个领域并且取得有意义的进展是很艰苦的。 Linear Algebra (线性代数) 和 Statistics (统计学) 是最重要和不可缺少的。 这代表了Machine Learning中最主流的两大类方法的基础。一种是以研究函数和变换为

【自行甄别】 http://www.cs.cmu.edu/afs/cs/academic/class/15883-f13/slides/hc- 第14页 grid cells向place cells提供输入 思想和傅里叶变换一样，周期函数叠加成delta函数，足以表示各种位置 grid cells到place cells权重学习过程参考 http://cns-web.bu.edu/Profiles/Grossberg/GroHIP09.pdf 第6页 不懂ART的直接当做SOM理解就行，不做过多解释

进化的2D小车，感觉跟 Hod Lipson 的机械蛇进化有点类似，默认用的遗传算法。 还可以自己设计。 >> www点boxcar2d点com

　　本主题给出我在人工智能吧里主要主题的名称和网址，请网友围观并点评。

这楼是从 http://tieba.baidu.com/p/3339353021#58627092474l 分支出来，目的是方便大家讨论如何将人工神经网络(ANN) 跟推理（reasoning）整合的问题。 要把人工神经网络（ANN）跟高级推理整合起来的话，下面是必须解决的一些问题。能够解决这些问题的话该就可以把两者大致整合起来。需要处理的其他细节当然还很多，不过这样至少可以把问题的思路理清楚些。 一个训练完毕的ANN用来做识别的时候基本上等于是单一一步的演绎推理。所以基本的推理单元是已经有

　　　　　　　　　　　　　　　离散编程法和智能元操作 　　１、什么是离散编程法？ 　　对比人工神经网络的编程思想以后，我决定把我的编程思想叫做离散编程法。离散编程法不是一种具体的算法，它是一种编程的指导思想，用它可以根据具体情况提出很多具体算法。 　　离散编程法是一种不依赖连续数学的编程方法。它把操作对象全看成离散的符号，模拟大脑对信号的处理，编写出模拟智能、模拟意识的程序。 　　在人工神经网络算法中

Andrew Ng(吴恩达)老师的教程浅显易懂，不卖关子，是AI入门学习的首选教程。 这是他的《机器学习》课程的地址: https://www.coursera.org/course/ml 注册一个号进去就可以学了。

　　毋庸置疑，常识性知识是一般意义上的智能系统的底层基础之一——因为所有后来摄取、学习的知识都应该与已有的知识（最开始就是各种层次的常识）产生联结，才有其意义。下面是关于 常识系统 的帖子： 想开发一个文字对话型的人工智能 http://tieba.baidu.com/p/2109276115?pid=28429336913&cid=2848 小说自动写作软件 http://tieba.baidu.com/p/2827801029?pid=44881680727&cid=0#44 XML概念模板2.0与AI代码设计 http://tieba.baidu.com/p/2398154398?pid=34135127934&cid=0#34 定义现实 htt

资源：webber.physik.uni-freiburg.de/~jeti/studenten_seminar/stud_sem_SS_09/Polychronization.pdf

1.所有这些概念都源于杰夫・霍金斯（Jeff Hawkins）在2004年左右和一位科技专栏作家合作出版的一本叫做《on intelligence》的书。中文译本叫做《人工智能的未来》 2.在这本书中，霍金斯觉得人脑的大脑皮层是智能的关键部位，所以模拟大脑皮层是实现工程化人工智能的最有效手段。我个人认为，这本书有三个看点。第一，他提出了一个很好的研究人工智能的方法论。第二，霍金斯认为人脑的本质功能就是记忆和预测，并从进化的角度阐述了原因。第

　　如题！

　　我以前曾经用很多主题讨论自编程序问题和“自编程序算法”，现在我们可以研究它的母程序和小程序如何编写了。 　　通过对具体演示程序的编写，我们可以确信“自编程序算法”的可行性。

浅谈反射算法 反射算法，是我在截获算法网友提问大脑算法的提醒下认识到的一个问题。在此以前，我在“反射意味着什么？”一文中实际已经将反射作为一种大脑的算法来探讨。但是那时还没有把反射提高到大脑算法的这样的高度来认识。认识到反射是一种大脑的算法，认识到大脑的反射算法与计算机各种算法截然不同的区别，是我在最近的讨论中的一种重要的收获。 下面就向网友们用浅谈的方式，介绍一下我对反射算法的认识。 我们首先